[发明专利]基于深度学习的人脸识别和年龄合成联合模型的构建方法

摘要

本发明提供一种基于深度学习的人脸识别和年龄合成联合模型的构建方法，该方法通过对输入的一对图像进行对齐和PCA和LDA降维的预处理；并通过一个经过训练得到的自动编码器，得到用于身份表示的特征和不同年龄段表示的特征共6组，然后对6对结果经过平行CNN，输出图像相似度，之后加权融合得到匹配结果；该发明对单独的人脸识别或者年龄检测以及共同任务均能得到很好的效果，对光照、姿势影响下的人脸识别也额能取得很好的效果；由于区分开了年龄与人脸身份的特征，因此对跨年龄的人脸识别也具有鲁棒性。并且，可视要求而定调整一些参数和权值，因此非常有灵活性。

主权项

一种基于深度学习的人脸识别和年龄合成联合模型的构建方法，其特征在于，包括以下步骤：S1：对图像进行切片预处理：根据双眼中心进行对齐，采用PCA和LDA的方式进行降维，以及达到增大类间差距的目的；S2：编码：通过训练数据得到的一个自动编码器对输入特征向量进行编码。该编码器的目的是将原图特征通过某种编码方式合成新的特征，用于表达身份或者年龄的相关信息，对任何输入的图片，该编码器将生成六组不同的表达：第一组为身份表达，对原特征减去平均脸后的映射编码，反映个体的身份的稳定信息；第二组至第六组分别为幼年、少年、成年、中年、老年五个年龄段下原图像的合成图像的表达，这一部分的编码过程与上述相似，不同的是输入是原图信息，这五组编码器的作用是模拟老化过程来合成特定年龄组的图片，然后通过损失函数和一定的约束规则来控制消除年龄对身份表达的影响，即在年龄合成中起到重要作用的特征，降低它在身份表达中起的作用；S3：对每对图像进行身份匹配验证：测试图像与一幅训练图像作为一对，由编码器得到的六对特征分别通过平行CNN，Softmax层将给出输入的一对特征的相似度的大小；令Ia，Ib为一对输入图像，则相似得分表示为：s(Ia,Ib)＝soft max(Ws|o(Ia)‑o(Ib)|+bs)其中，o()表示CNN中全连接层的输出，Ws和bs为softmax层的参数；对这六个结果进行加权平均即可得到验证结果，其中身份表达占的比重较大；五对年龄合成的相似度表示在五个年龄段里的相似度，作为参考因素，占的比重比身份表达要小，由此将得到两幅图像匹配的概率：score＝as1+(1‑a)(s2+s3+s4+s5+s6)；S4：对所有特征得到的相似得分结果进行余弦相似度融合，即可得到最终的结果。